Maschinelles Lernen im Handel: Theorie, Modelle, Praxis und Algo-Trading - Seite 2374
Sie verpassen Handelsmöglichkeiten:
- Freie Handelsapplikationen
- Über 8.000 Signale zum Kopieren
- Wirtschaftsnachrichten für die Lage an den Finanzmärkte
Registrierung
Einloggen
Sie stimmen der Website-Richtlinie und den Nutzungsbedingungen zu.
Wenn Sie kein Benutzerkonto haben, registrieren Sie sich
Kennzeichnung des Prada-Geschäfts
Markierung des Prada-Geschäfts.
Das hier ist viel interessanter. Ich verstehe es einfach nicht, funktioniert es nur über die Befehlszeile? Hat sich das jemand angesehen?
Dieses Material ist viel interessanter.
Dies ist ein weiteres Thema, das sich nicht auf GANs beschränkt.
Prada-Deal-Marker
Obskure Sprache und ungewohnte Funktionen... und der Autor ist irreführend.
Bei fixed_time_horizon() gibt es diese Zeile:
idx_lower = data[data[name] < - threshold].index
schrieb er oben, dass
Und die Bilder unten sind nicht int (d.h. 0,1,2,3...), sondern 0,05, 0,01...
Mit dem Doppelten wurde es klarer - das ist dasselbe, was ich mit TP=SL=einem bestimmten Wert der Preisänderung gemacht habe.
Aber es ist nicht klar, warum ich die Methode und Funktion fixed_time_horizon() aufgerufen habe; wo ist die feste Zeit? Es handelt sich um eine feste Preisänderung, nicht um Zeit.
---------
Was die Methode quantized_labelling() betrifft, so habe ich aus dem Code nichts herauslesen können. Ich nehme an, es handelt sich nicht um einen festen Wert, z. B. 0,05, sondern um ein Quantil, das sich mit der Preisvolatilität ändert.
Obskure Sprache und ungewohnte Funktionen... und der Autor ist irreführend.
Bei fixed_time_horizon() gibt es diese Zeile:
idx_lower = data[data[name] < - threshold].index
schrieb er oben, dass
Und die Bilder unten sind nicht int (d.h. 0,1,2,3...), sondern 0,05, 0,01...
Mit Doppel - es wurde klarer - es ist die gleiche Sache, die ich mit TP=SL=einem Wert der Preisänderung.
Aber es ist nicht klar, warum ich die Methode und Funktion fixed_time_horizon() aufgerufen habe; wo ist die feste Zeit? Es handelt sich um eine feste Preisänderung, nicht um Zeit.
---------
Was die Methode quantized_labelling() betrifft, so habe ich aus dem Code nichts herauslesen können. Ich nehme an, es handelt sich nicht um einen festen Wert, z. B. 0,05, sondern um den Quantilswert, der sich mit der Preisvolatilität ändert.
Ich habe mir den Code nicht angesehen. Die Hauptsache ist, dass der Aufschlag nicht nach Diagramm, sondern nach Inkrementen erfolgt. Dies führt zu einer Reihe interessanter Funktionen, z. B. zur Anwendung des Markups auf ein gequetschtes Diagramm oder auf bestimmte BP-Komponenten
Es muss sich um einen Druckfehler handeln, denn es war nicht Prado, der das geschrieben hat, es waren die Typen
ein fester Zeithorizont bezieht sich auf eine ausgewählte inkrementelle Verzögerung, wahrscheinlich
Ich habe den Code nicht gelesen. Die wichtigste davon ist die Aufteilung nicht nach Diagramm, sondern nach Inkrementen. Dies führt zu einer Reihe interessanter Funktionen, wie z. B. die Anwendung der Partitionierung auf eine gesquelchte Tabelle oder auf bestimmte BP-Komponenten
Es muss sich um einen Druckfehler handeln, denn es war nicht Prado, der das geschrieben hat, es waren die Typen
Ein fester Zeithorizont bezieht sich auf eine ausgewählte inkrementelle Verzögerung, nehme ich an.
Irgendjemand da draußen ist entweder Prado oder seine Typen.
Mit der Methode quantized_labelling()
Ich sehe wenig Sinn darin, sie zu unterrichten. Schließlich kann man die Klassifizierung bei niedriger Volatilität gut und bei hoher Volatilität schlechter lernen. Ein Fehler von 40 % bei niedriger Volatilität + 51 % bei hoher Volatilität bringt die Rentabilität des Systems auf etwa 0 zurück, da viele kleine Gewinne durch mehrere große Verluste übertroffen werden können.Irgendjemand da draußen ist dumm oder Prado oder seine Typen.
alles ist zshibizzy, wir sollten es versuchen, aber ich werde es anders machen
Sein Buch ist ein bisschen anders, denke ich. Ich bin zu faul, um nachzuschauen.das ist cool, ich werde es versuchen, aber ich werde es anders machen
In seinem Buch wird das anders beschrieben, glaube ich. Ich bin zu faul, sie zu suchen.Bei den Quantilen sehe ich den Sinn nicht, siehe Beitrag oben.
TP=SL Ich habe es versucht. Das Ergebnis beträgt 50 % bei neuen Kreuzvalidierungsdaten.
Bei den Quantilen sehe ich den Sinn nicht, siehe Beitrag oben.
Hier sind die Inkremente, ohne sl und tp
Ich habe dies durch Clustering erreicht, und zwar auffällig. Insgesamt ist die Kurve bei markierten Daten nicht großartig, aber bei neuen Daten stabiler.